本文關鍵詞：基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡滑模變結構厚度控制，由筆耕文化傳播整理發(fā)布。

【摘要】：熱連軋帶鋼是鋼鐵產(chǎn)業(yè)最重要的鋼材產(chǎn)品之一,其擁有生產(chǎn)速度快、實用價值高等特點,熱連軋帶鋼的品質、生產(chǎn)技術代表了一個國家的鋼鐵產(chǎn)業(yè)水平。經(jīng)過多年的發(fā)展,以傳統(tǒng)控制理論為依據(jù)的生產(chǎn)線難以滿足隨著科技發(fā)展而對產(chǎn)品品質要求更高的市場,一些難點無法得到處理方法,新的控制理論和方法應運而生,以此來彌補傳統(tǒng)控制方法的不足,滿足市場的需要。針對以上問題,提出了一種基于改進粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡的滑模變結構控制算法。首先,通過對粒子群算法進行優(yōu)化,動態(tài)改變其慣性權重,使粒子在尋優(yōu)過程中不易達到局部最優(yōu)值,加強了粒子搜索效率,通過測試函數(shù)證明了此改進的有效性;其次,使用改進后粒子群算法對RBF神經(jīng)網(wǎng)絡的結構及參數(shù)進行優(yōu)化和改進,建立一個功能更為強大的網(wǎng)絡模型,通過仿真實驗驗證了網(wǎng)絡具有更好的擬合性能;最后,以滑模變結構等效控制方法為基礎,將IPSO-RBF網(wǎng)絡作為控制律的一部分來辨識非線性問題,通過仿真驗證了該方法可以有效的減小抖振,辨識并消除外界干擾項,最終形成一個基于IPSO-RBF等效控制的離散滑�？刂品椒āａ槍т摵穸瓤刂葡到y(tǒng),這里研究的主要對象是其中的一個重要的子系統(tǒng)——活套系統(tǒng),活套系統(tǒng)的控制水平會直接影響厚度控制的優(yōu)劣。針對活套系統(tǒng)中的高度和張力控制存在耦合關系,利用IPSO-RBF等效控制的離散滑�？刂品椒▽@一多變量耦合系統(tǒng)進行解耦控制,實驗結果說明了此方法可以解除耦合關系。解耦后的活套系統(tǒng)實現(xiàn)了高度控制和張力控制互相不受干擾,提高了系統(tǒng)的控制精準度,從而提高實際軋制中對帶鋼厚度的控制精度,軋制出更優(yōu)質的產(chǎn)品。
【關鍵詞】：熱連軋 粒子群算法 RBF神經(jīng)網(wǎng)絡 滑�？刂� 活套系統(tǒng)解耦
【學位授予單位】：華北理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG334.9;TP183
【目錄】：

• 摘要4-5
• Abstract5-9
• 引言9-10
• 第1章 緒論10-17
• 1.1 熱連軋帶鋼軋制技術的發(fā)展與現(xiàn)狀10-11
• 1.1.1 熱連軋帶鋼軋制技術在國內(nèi)外的發(fā)展10
• 1.1.2 熱連軋帶鋼厚度控制技術的發(fā)展現(xiàn)狀10-11
• 1.2 粒子群算法的發(fā)展現(xiàn)狀11-12
• 1.2.1 粒子群算法的研究進展11-12
• 1.2.2 粒子群算法的改進現(xiàn)狀12
• 1.3 人工神經(jīng)網(wǎng)絡概述12-13
• 1.4 滑模變結構控制理論的發(fā)展與研究現(xiàn)狀13-15
• 1.4.1 滑�？刂评碚摰陌l(fā)展13
• 1.4.2 滑模控制理論的研究現(xiàn)狀13-15
• 1.5 課題的研究意義15
• 1.6 課題的主要研究內(nèi)容15-17
• 第2章 帶鋼厚度控制研究17-25
• 2.1 熱連軋帶鋼生產(chǎn)工藝17-19
• 2.2 厚度控制基本理論19-21
• 2.3 活套控制系統(tǒng)21-24
• 2.3.1 活套張力系統(tǒng)建模22-23
• 2.3.2 活套高度系統(tǒng)建模23-24
• 2.4 本章小結24-25
• 第3章 粒子群算法的改進研究25-36
• 3.1 粒子群算法的基本原理25-27
• 3.2 粒子群算法的控制參數(shù)27
• 3.3 粒子群算法的性能改進研究27-29
• 3.4 粒子群算法的改進29-35
• 3.4.1 IPSO算法的基本計算步驟30-31
• 3.4.2 IPSO算法的仿真實驗31-35
• 3.5 本章小結35-36
• 第4章 IPSO算法優(yōu)化神經(jīng)網(wǎng)絡36-48
• 4.1 RBF神經(jīng)網(wǎng)絡模型36-39
• 4.1.1 RBF網(wǎng)絡的結構36-37
• 4.1.2 RBF網(wǎng)絡的重要參數(shù)37-39
• 4.1.3 RBF網(wǎng)絡的優(yōu)點39
• 4.2 IPSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡39-40
• 4.2.1 IPSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡的可行性分析40
• 4.2.2 IPSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡的優(yōu)點40
• 4.3 IPSO算法優(yōu)化RBF神經(jīng)網(wǎng)絡的方法40-43
• 4.3.1 RBF神經(jīng)網(wǎng)絡的結構設計40-41
• 4.3.2 IPSO優(yōu)化神經(jīng)網(wǎng)絡參數(shù)41-43
• 4.4 IPSO優(yōu)化RBF神經(jīng)網(wǎng)絡的運算步驟43-44
• 4.5 仿真實驗44-47
• 4.6 本章小結47-48
• 第5章 滑模變結構控制的研究48-55
• 5.1 滑模變結構控制簡介48
• 5.2 滑模變結構控制基本原理48-51
• 5.2.1 滑模變結構控制到達條件49-50
• 5.2.2 滑模變結構控制的特性50-51
• 5.3 滑模變結構控制抖振問題51-52
• 5.4 滑模變結構控制系統(tǒng)的設計52-54
• 5.5 本章小結54-55
• 第6章 熱連軋帶鋼厚度控制仿真研究55-64
• 6.1 控制方案55
• 6.2 基于等效控制的離散系統(tǒng)滑�？刂�55-56
• 6.3 基于IPSO-RBF網(wǎng)絡的等效滑�？刂�56-61
• 6.3.1 基于IPSO-RBF網(wǎng)絡的等效滑模控制原理56-57
• 6.3.2 基于IPSO-RBF的離散滑�？刂破�57-58
• 6.3.3 仿真實驗58-61
• 6.4 活套系統(tǒng)的IPSO-RBF滑模變結構控制仿真研究61-63
• 6.5 本章小結63-64
• 結論64-66
• 參考文獻66-69
• 致謝69-70
• 導師簡介70-71
• 作者簡介71-72
• 學位論文數(shù)據(jù)集72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經(jīng)網(wǎng)絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關鍵詞：基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡滑模變結構厚度控制，由筆耕文化傳播整理發(fā)布。

，

本文編號：278327